Mer än 200 miljoner hem har nu en smart högtalare som ger röststyrd tillgång till internet, enligt en global uppskattning. Lägg till detta till de talande virtuella assistenterna installerade på många smartphones, för att inte tala om köksmaskiner och bilar, och det är mycket Alexas och Siris.

Eftersom att prata är en grundläggande del av att vara människa, det är frestande att tro att dessa assistenter borde utformas för att prata och bete sig som vi. Även om detta skulle ge oss ett relaterbart sätt att interagera med våra enheter, att replikera genuint realistiska mänskliga konversationer är otroligt svårt. Vad mer, forskning tyder på att det kan vara onödigt och till och med oärligt att en maskin låter mänsklig. Istället, vi kanske behöver tänka om hur och varför vi interagerar med dessa assistenter och lära oss att omfamna fördelarna med att de är en maskin.

Talteknikdesigners pratar ofta om begreppet "mänsklighet". Den senaste tidens utveckling inom konstgjord röstutveckling har resulterat i att dessa systems röster suddar ut gränsen mellan människa och maskin, låter allt mer mänskligt. Det har också gjorts försök att få språket i dessa gränssnitt att framstå som mer mänskligt.

Den kanske mest kända är Google Duplex, en tjänst som kan boka tider över telefon. För att lägga till systemets människoliknande natur, Google inkluderade yttranden som "hmm" och "uh" till sin assistents talutgång – ljud som vi vanligtvis använder för att signalera att vi lyssnar på konversationen eller att vi tänker börja prata snart. När det gäller Google Duplex, dessa användes i syfte att låta naturliga. Men varför är det så viktigt att låta naturligt eller mer mänskligt?

Att jaga detta mål att få system att låta och bete sig som oss beror kanske på popkulturinspirationer som vi använder för att underblåsa designen av dessa system. Tanken på att prata med maskiner har fascinerat oss i litteraturen, tv och film i decennier, genom karaktärer som HAL 9000 i 2001:A Space Odyssey eller Samantha in Her. Dessa karaktärer skildrar sömlösa konversationer med maskiner. I fallet med henne, det finns till och med en kärlekshistoria mellan ett operativsystem och dess användare. Kritiskt, alla dessa maskiner låter och reagerar som vi tror att människor skulle göra.

Det finns intressanta tekniska utmaningar i att försöka åstadkomma något som liknar samtal mellan oss och maskiner. För detta ändamål, Amazon har nyligen lanserat Alexa Prize, vill "skapa sociala bots som kan konversera sammanhängande och engagerande med människor om en rad aktuella händelser och populära ämnen som underhållning, sporter, politik, teknologi, och mode." Den aktuella tävlingsomgången ber teamen att producera en 20-minuters konversation mellan en av dessa bots och en mänsklig interaktör.

Dessa stora utmaningar, som andra inom vetenskapen, tydligt utveckla den senaste tekniken, ger planerade och oplanerade fördelar. Men när man strävar efter att ge maskiner förmågan att verkligen konversera med oss ​​som andra människor, vi måste fundera på vad vår talade interaktion med människor egentligen är till för och om detta är samma som den typ av samtal vi vill ha med maskiner.

Vi samtalar med andra människor för att få saker gjorda och för att bygga och upprätthålla relationer med varandra – och ofta flätas dessa två syften samman. Ändå ser människor maskiner som verktyg som tjänar begränsade syften och har liten aptit på att bygga den typen av relationer med maskiner som vi gör varje dag med andra människor.

Att driva naturliga samtal med maskiner som låter som oss kan bli ett onödigt och betungande mål. Det skapar orealistiska förväntningar på system som faktiskt kan kommunicera och förstå som vi. Alla som har interagerat med ett Amazon Echo eller Google Home vet att detta inte är möjligt med befintliga system.

Detta är viktigt eftersom människor behöver ha en uppfattning om hur man får ett system att göra saker som, eftersom gränssnitt för endast röst har begränsade knappar och visuella funktioner, styrs väsentligt av vad systemet säger och hur det säger det. Vikten av gränssnittsdesign innebär att mänskligheten i sig inte bara kan ifrågasättas utan vilseledande, speciellt om de används för att lura människor att tro att de interagerar med en annan person. Även om deras avsikt kan vara att skapa begripliga röster, teknikföretag måste överväga den potentiella påverkan på användarna.

Ser bortom mänskligheten

Istället för att konsekvent omfamna mänskligheten, vi kan acceptera att det kan finnas grundläggande gränser, både tekniska och filosofiska, till de typer av interaktioner vi kan och vill ha med maskiner.

Vi bör inspireras av mänskliga samtal snarare än att använda dem som en upplevd guldstandard för interaktion. Till exempel, ser på dessa system som artister snarare än människoliknande samtalspartners, kan vara ett sätt att hjälpa till att skapa mer engagerande och uttrycksfulla gränssnitt. Att införliva specifika konversationselement kan vara nödvändigt i vissa sammanhang, men vi måste fundera på om mänskliga samtalsinteraktioner är nödvändiga, snarare än att använda det som ett standarddesignmål.

Det är svårt att förutsäga hur tekniken kommer att se ut i framtiden och hur sociala uppfattningar kommer att förändras och utvecklas kring våra enheter. Kanske kommer folk att vara okej med att ha konversationer med maskiner, bli vän med robotar och be om råd från dem.

Men vi är för närvarande skeptiska till detta. Enligt vår uppfattning har allt att göra med sammanhang. Alla interaktioner och gränssnitt är inte desamma. Viss talteknik kan krävas för att etablera och främja någon form av socialt eller känslomässigt band, till exempel i specifika vårdtillämpningar. Om det är syftet, då är det vettigt att låta maskiner samtala mer lämpligt för det ändamålet – kanske låter mänskligt så att användaren får rätt typ av förväntningar.

Ändå är detta inte universellt nödvändigt. Avgörande, denna mänskliga likhet bör kopplas till vad systemen faktiskt kan göra med konversation. Att göra system som inte har förmågan att konversera som en mänsklig människa kan göra mycket mer skada än nytta.

Den här artikeln är återpublicerad från The Conversation under en Creative Commons-licens. Läs originalartikeln.